Python中的QQ图

我使用以下代码生成了一个qq图。我知道qq图用于检查数据是否正常分布。我的问题是x和y轴标签在qq图中指示什么，r平方值指示什么？

  N = 1200
  p = 0.53
  q = 1000
  obs = np.random.binomial(N, p, size = q)/N

import scipy.stats as stats

z = (obs-np.mean(obs))/np.std(obs)

stats.probplot(z, dist="norm", plot=plt)
plt.title("Normal Q-Q plot")
plt.show()

在此处输入图片说明

我知道已经有关于qq图的讨论，但是尽管进行了讨论，但我无法理解的概念。

— 伊丽莎白·苏珊·约瑟夫
source

这非常接近链接线程的副本-Python vs R在这里并不是重要的区别-但是

方面是新的。对于问题和答案，将更多的注意力放在该方面以避免重复是一个好主意。（我想知道

是否易于被误解，因为即使拟合不佳，QQ图中不可避免的向上倾斜也意味着我们期望

稍微大于零。因此，在回归分析中可能令人印象深刻的值可能

R^{2}

$R^2$

R^{2}

$R^2$

R^{2}

$R^2$

— Silverfish

@Silverfish我认为专注于

不会有帮助或值得。通常可以看到 QQ图，而不仅仅是报告了无数的

值表。只要存在可视化，为什么要将其减少为一个数字？如果QQ图看起来“不好”，但是

某种程度上看起来“很好”，您是否仍然认为它是正常的？正是由于这个原因，大多数好的包装甚至都没有提供

。这个瞬间与瞬间的论点甚至有一个可爱的名字：Anscombe的四重奏。

R^{2}

$R^{2}$

R^{2}

$R^{2}$

R^{2}

$R^{2}$

R^{2}

$R^{2}$

— Mike Williamson

R^{2}

$R^2$

R^{2}

$R^2$

确定要绘制QQ图吗？help(probplot)状态：probplot生成概率图，不应与QQ或PP图混淆。

— abukaj

Answers:

Macond的回答是准确的，但是从原始帖子来看，我认为稍微简化一下措辞可能会有所帮助。

QQ图代表“分位数-分位数”图。

该图是故意对轴进行变换以使正态（或高斯）分布出现在直线中的图。换句话说，一个完美的正态分布将恰好遵循斜率= 1且截距= 0的直线。

因此，如果该图看起来不是-大致-直线，则基础分布不正常。例如，如果弯曲，则“高传单”值会比预期的多。（该链接提供了更多示例。）

x＆y标签代表什么？

的理论位数沿x轴放置。也就是说，x轴不是您的数据，它只是对您的数据应该在哪里的期望，如果它是正常的。

在实际的数据被沿着y轴绘制。

值是与平均值的标准偏差。因此，0是数据的平均值，1是上面的1个标准偏差，等等。这意味着，例如68.27%，如果您具有正态分布，则所有数据的平均值应在-1和1之间。

$R^2$

$R^2$ $R^2$ $R^2$ $R^2$

最后，有一个很少使用的相似图称为pp图。如果您有兴趣关注大量数据的位置而不是极端情况，则此图将更加有用。

— 迈克·威廉姆森
source

歪斜这个词在这里不是最好的选择：我要说是transformed。

— 尼克·考克斯

很好的解释。您能解释一下x轴（期望值）是如何生成的吗？

— Vivek Ananthan

Y轴表示观测分布的值，X轴表示理论分布的值。

每个点都是一个分位数。假设，如果图表上有100个点，则第一个点（左下角的一个点）表示一个区间的上限，从最小到最大的顺序，则表示该点的最小1％数据点相应的分布保持在此间隔内。同样，第二点是区间的上限，分布中最小的2％数据点位于该区间。这就是分位数的概念。但这不限于间隔为100的情况，这是一个一般概念，您可以拥有尽可能多的间隔，那么您将拥有许多描述间隔边界的分位数。

$-\infty$ $-\infty$

我在整个答案中都使用了数据点，例如有序数据点等。这是指离散分布，但是可以将概念推广到连续分布。

$R^2$ $R^2$

— 马孔德
source

R^{2}

$R^2$

R^{2}

$R^2$